[发明专利]基于贝叶斯混合公共因子分析器的高维数据的聚类方法

摘要

本发明公开了一种基于贝叶斯混合公共因子分析器的高维数据的聚类方法。本发明首先针对待聚类的高维数据建立贝叶斯混合公共因子分析器的模型，接着对该模型中的各个随机变量的后验分布进行推理，并且得到与这些随机变量相关的统计量，最终通过判决得到每个高维数据所属的类别，从而完成聚类过程。本发明建立起的贝叶斯混合公共因子分析器模型具有很强的灵活性，基于贝叶斯准则的推理过程也有效地避免了过拟合问题和维数灾难现象的产生。该方法能够根据高维数据自动调节模型的最优结构，从而自动确定出最优的类别数，从而在降维的同时顺利完成聚类，获得了很好的聚类性能和计算效率。

主权项

1.基于贝叶斯混合公共因子分析器的高维数据的聚类方法，其特征在于，包括以下步骤：（1）设待聚类的高维数据集合，其中为高维数据的个数，每个数据的维数为；建立贝叶斯混合公共因子分析器（BMCFA）模型，用该模型来表示的分布；即，BMCFA为一个成分数为的混合模型；对于每一高维数据，其可以表示为以概率（），   （式1）其中，为与高维数据相对应并且与成分相关的低维空间中的因子，它的维数为（）,的值根据具体问题中的大小进行选取：遍历之间的所有整数，每个候选的做一次聚类，取性能最好的那次对应的作为最终的值；为的因子载荷矩阵；误差变量服从高斯分布，其中为的对角矩阵；概率满足；（2）根据待处理的高维数据，基于贝叶斯准则，对步骤（1）中建立好的贝叶斯混合公共因子分析器（BMCFA）模型进行推理；在完成这一推理过程后，对于每一个高维数据，可以得到与其相对应的指示变量的后验期望值，，其中表示当前高维数据是由混合模型中的第个成分产生的概率；（3）判决：将中的最大值所对应的序号作为所最终分配到的类，即；      （式2）用这样的方式得到高维数据集中所有数据的聚类结果。